딥러닝 공부방

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 유의확률(p값)이 무엇이고 어떻게 사용하는지를 알아 보겠습니다. 1. 모평균의 검정방법 가정 : $X_1, X_2, ... , X_n$ ~ iid $N(\mu, \sigma^2), \sigma^2$는 알고 있음 가설설정 가설을 설정한 뒤에 추출한 표본의 표본평균의 중심축량을 구합니다. 중심축량에 귀무가설을 대입하여 검정통계량을 도출합니다. 유의수준을 설정하고 그에 따른 기각역을 도출할 수 있습니다. 검정통계량 값이 기각역에 포함되면 귀무가설을 기각합니다. 2. 예시문제 새로운 파이의 칼로리가 기존 칼로리 165kcal보다 낮다는 것을 보이기 위해 25개의 파이를 조사한다고 하겠습니다. 가정 : 칼로리 분포는 $N(\mu..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 유의수준의 개념과 얼마로 정해야 하는지를 알아 보겠습니다. 검정력의 개념과 유의수준과의 관계를 알아보겠습니다. 1. 유의수준과 검정력 유의수준은 가장 큰 제1종의 오류의 확률을 의미합니다. 제1종의 오류는 귀무가설이 참일때 귀무가설을 거짓으로 판변한 것입니다. 검정력은 (1 - 제2종의 오류 확률)을 의미합니다. 제2종의 오류는 대립가설이 참일때 대립가설을 거짓으로 판변할 것입니다. 2. 제1종의 오류확률과 유의수준 예시문제를 통해 제1종의 오류확률을 구하는 법을 보도록 하겠습니다. 가장 큰 제1종의 오류의 확률이 유의수준입니다. 검정원칙이 $\overline{X} \geq 0.5$일 때 $\mu$ = 0일 때가 제1종..